“高级业务分析的必由之路”——从Quick LODs说起

喜乐君 Tableau Zen Master，官方Partner。开启2021年“Tableau深度系列”— —— —— —

喜乐君按：以Fixed LOD为代表的“狭义LOD表达式”，是Tableau敏捷分析皇冠之顶最灿烂的珍珠；借此，业务用户可自助完成客户RFM分析、购物篮连带分析、产品动销率分析等深度场景，因此是深入业务探索数据价值的关键通道。2021.1版本的Quick LODs进一步简化了创建方式，为业务用户打开了一扇更好了解LOD的窗户，本文从这个小功能开始，尝试全面介绍“狭义LOD表达式”最有魅力的身影。

在2020.1的新版本中，Tableau推出了“Quick LODs”（快捷LODs）的新功能，很多人会耳目一新，“哇，这么好玩！”同时也会有想，“咦，它是做什么的？”这里可以先用一个动画来展示它的操作（注意拖拽度量字段到维度上时，需要配合Ctrl/Command键）。

（上图来自官方网站； 此处应该有视频：参见公众号原文）

从上面的动画可以看出，只需要简单的拖曳动作，就可以创建一个FIXED LOD表达式，它是“指定某个维度字段的度量聚合”，我也把这个过程称之为“在特定层次完成聚合” （aggregate at a fixed level of detail）
严格的说，“quick LODs”不是一个新功能，而是使强大的“狭义LOD表达式”功能发挥到极致的“功能外挂”。在这里，我假设要把这个功能分享给学习Tableau刚刚三个月的新用户，因此就要循序渐进地阐述这个绝妙设计背后的来龙去脉。

☆ 1、何为LOD？ ☆

要说FIXED LOD，就要先说LOD是何方神圣；要说LOD，这又涉及到字段分类和问题分析。在《数据可视化分析：Tableau原理与实践》一书中（2020年第二次印刷之后的版本），我把所有的问题结构分为了“样本范围、问题描述和问题答案”三个部分，分别对应Tableau中的筛选器（filter）、维度（dimension）和聚合（aggregation）。如下图所示：

对于分析而言，无限的问题来源于有限字段的组合。我们听到任何一个问题，首先，要确认在哪个范围内问问题（筛选条件），是“总公司”还是“某个部门”，是多年还是本年等等；其次，要确认在哪个层面问问题（LOD ），是关于各年度的分析呢，还是关于各细分市场；再者，用哪个字段回答领导的问题，是销售额总和呢，还是平均利润率（聚合）。
三个问题结束，才能完整了解领导的问题。 这三个角度的关键词各不相同，其中最关键的“问题描述”都是用分类字段来描述，比如类别、日期、区域等等，Tableau中称之为“维度”。关于维度和度量的分类，是Tableau中至关重要的原理，也是本文解读的关键起点——我在书中称之为“字段的第一分类”。“维度”描述的是字段属性，“维度字段组合”描述问题是什么。多个维度构成问题的主干，它代表数据聚合的高度，我们称之为“问题的层次”或者“问题的详细级别”，即Level of detail，简称LOD。比如，“各年度、各类别 的 销售额总和”，以“的”为分界，左侧的“年度*类别”代表这个问题的层次、问题的LOD、问题的详细级别。同理，“年度”是问题“各年度的销售额总和” 的层次，而“客户”是问题“各客户的销售额与利润分布”的层次。

在只有一个层次的简单问题中，维度的组合就是这个问题的层次、详细级别、LOD，它是聚合的依据。建立了这样的LOD即“问题层次”的理解，就已经理解了Tableau的关键原理。接下来的FIXED LOD，就是建立在上面的问题而来的。

☆  2、为什么要FIXED LOD ☆

  FIXED LOD即“指定层次”，不过这只是完整语法的一部分。完整的FIXED LOD是“指定层次、完成聚合”，在语法中，通过冒号左右分开，外面用大括号表示语法规则。如图所示。

问题就来了，既然问题中的维度就是问题聚合所在的层次，直接拖入视图不就完了吗，为什么还要用FIXED指定呢？
为此，必须清晰地区分视图的维度LOD和这里FIXED LOD的区别：视图中可以直接拖入的维度字段，是显性的主视图的层次（LOD），而FIXED LOD是在当前视图基础上，间接引用的另一个问题层次的聚合。因此，FIXED LOD的含义可以更加全面的理解为：在当前视图层次（LOD）中，引用另一个层次的聚合（fixed another lod）当前视图的层次可以通过维度直接加入，引用的另一个层次和视图必然不同，因此必须预先指定层次完成聚合。这里可以展示一个最为经典的案例：各年度的销售额趋势，及其背后的客户矩阵分布。
如下图所示，左下角是“各年度的销售额总和”主视图，要在这个视图中引用“每个客户的首次订单日期”作为客户矩阵，就是在主视图“年度”层次之外，单独引用另一个层次的聚合（another LOD是客户，聚合是最小订单日期）。之后以年为单独标记为颜色，就可以看出看到每年的销售额在“客户矩阵”层面的构成——我称之为结构性分析。

因此，FIXED LOD是“在主视图层次、指定另一个层次、完成预先聚合”。此乃要害，此乃原理。这里，我也可以用一个简单的动画来展示这个过程。

“大数据的重要特征是关心样本特征，而不关心个体差异”，因此我们要量化每个客户的行为指标，比如购买频次、累计贡献、获客日期，而默认不关心指标值背后的客户是谁。我通常把这个过程称之为“为客户打属性标签”。

举个例子，分析“不同购买频次 的 客户数量”。

问题的层次、LOD、维度是“购买频次”，问题答案、聚合是“客户不同计数”；关键在于，“购买频次”是每个客户层次的聚合，是独立于当前视图层次、又不在数据表行级别层次上的。因此，要预先于视图做聚合，这就是Fixed LOD的典型场景。

同理，其他基于客户层次的指标可以预先聚合，之后作为图形的维度或者度量随时拖拽就好，典型的有： 

• R：最后一次购买的距今间隔
• F：每个客户的购买频次
• M：每个客户的累计贡献
• L：每个客户的生命周期
• R2：每个客户的第二次购买日期

作为敏捷BI工具，可以一次性写完大部分的指标计算，并拖拽到左侧保存下来反复使用。关键就是Fixed ‘客户名称’，因为“客户名称”就是这里要指定的LOD层次。如下图所示。

有了这些指标，就可以通过数据桶和直方图完成分布，使用颜色在销售额趋势中增加结构分析。这里完整讲解一下“不同购买频次的客户数量”，如下：

（此处应该有视频：参见公众号原文）

Tableau的Fixed LOD已经是不能再简单的优雅，正因为此，它也为复杂的业务分析创造了更多的空间，比如销售中愁煞无数人的“动态购物篮分析”、“各季度新客户在之后各季度的留存分析”，“每日的新客户增长率”、“各地区的客户购买力分析”等各种深入场景。在《数据可视化分析》第十章10.8.2小节，介绍了“购物篮关联分析”实例，解释了如何在“样本范围”中使用高级计算。

• 10.8.3 高级实例：基于订单的购物篮分析

至此，本文借助Quick LODs功能解释了Fixed LOD的主要应用场景（在主视图中引用另一个层次），并简要介绍了最典型的应用场景：客户的RFM_L分析。

————————

后续主题：

1、广义LOD表达式与狭义LOD表达式
2、业务洞察：结构化分析的四种情形
3、可视化问题类型与增强分析的路径
4…………
————————

喜乐君 /中观大数据科技｜产品、咨询
Tableau Partner、Tableau Zen Master
《数据可视化分析：Tableau原理与实践》（202007）作者，即将出版新书《业务可视化分析：从问题到图形的Tableau方法》（202106）

数据可视化分析：Tableau原理与实践（全彩）(博文视点出品)